动态网络最短路径射线追踪算法中向后追踪方法的改进

动态网络最短路径射线追踪算法中的向后追踪方法能够解决线性走时插值算法(LTI)向后追踪过程不稳定的问题,但是其计算效率较低.综合利用节点次级源的位置信息以及波的传播规律,提出了改进方法,排除了动态网络最短路径射线追踪算法向后追踪过程中存在的大量冗余计算.数值算例表明,改进的向后追踪方法具有较高的计算效率,是动态网络最短路径射线追踪算法中向后追踪方法的几倍至几十倍;若将改进后的向后追踪方法应用于动态网络最短路径射线追踪改进算法,则该算法的计算效率将提高一倍左右.     

地震波旅行时非线性/线性联合插值法

地震波旅行时计算是射线追踪方法的核心问题,其精度直接影响着路径的精度和正演模拟的准确程度.为了提高地震波旅行时的计算精度,基于Asakawa的旅行时线性插值法(LTI)提出了一种改进的射线追踪法--非线性/线性联合插值法,即在震源的近场采用非线性插值计算旅行时,在远场仍用LTI算法.非线性/线性联合插值法提高了近场旅行时的计算精度,进而提高了全场(尤其是远场)旅行时的计算精度.数值模拟和模型试算的结果表明,本文提出的非线性/线性联合插值法较传统的LTI算法更为精确.     

地震波旅行时二次/线性联合插值法

为了提高地震波旅行时的计算精度,基于Asakawa的旅行时线性插值法(LTI)提出了一种改进的射线追踪法——旅行时二次/线性联合插值法(QLTI),即在震源的近场采用二次插值计算旅行时,在远场仍用LTI算法。QLTI算法改善了近场旅行时的精度,降低了累加误差,进而提高了全场(尤其是远场)旅行时的计算精度。数值模拟和模型实验的结果表明,本文提出的QLTI算法较传统的LTI算法更为精确。     

线性走时插值射线追踪算法的改进

在LTI(Linear Travel-time Interpolation)射线追踪算法基础上提出的扩张-收缩扫描算法能正确追踪直达波、绕射波和回波的射线路径,但其存在计算效率低、收敛速度慢的问题.采用交叉扫描方式对扩张-收缩扫描算法进行改进,并由此提出了基于交叉扫描方式的扩张-收缩扫描改进算法.理论分析及数值模拟结果表明：改进算法在保留了原扩张收缩扫描算法所有优点的同时,具有更高的计算效率;当模型网格尺寸划分较细时,改进算法在计算效率上的优势更为显著.     

线性走时插值射线追踪算法的改进

在LTI(Linear Travel-time Interpolation)射线追踪算法基础上提出的扩张-收缩扫描算法能正确追踪直达波、绕射波和回波的射线路径,但其存在计算效率低、收敛速度慢的问题.采用交叉扫描方式对扩张-收缩扫描算法进行改进,并由此提出了基于交叉扫描方式的扩张-收缩扫描改进算法.理论分析及数值模拟结果表明:改进算法在保留了原扩张收缩扫描算法所有优点的同时,具有更高的计算效率;当模型网格尺寸划分较细时,改进算法在计算效率上的优势更为显著.     

图像区域边界抽取与链码树结构生成算法

通过定义二值图像像素顶点的链码,构造像素顶点矩阵,给出了一个基于像素顶点的线性的图像区域边界追踪和链码树结构的生成算法,算法在追踪和抽取区域边界的顶点链码的同时生成区域边界的链码树结构.算法复杂度是线性的,且适用于任意复杂图像区域.     

地震波跨孔旅行时层析成象分辨率的估计

依据费马原理分析了地震波跨孔旅行时层析成象技术对几种简单速度异常体的分辨率，给出了分辨率估算式与数值算例和射线追踪模拟算例。数值算例表明地震波跨孔旅行时层析成象技术的分辨率相当高，特别是对高速异常体和与观测井垂直或斜交的二度异常体的分辨率是如此。对低速异常体而言，存在一个由多种因素决定的临界速度值，当异常体的速度低于此值且走时扰动量不小于走时判读精度时能分辨其轮廓，但不能重建其实际速度场。临界速度值可用以检验射线追踪算法与反演算法的精度。     

零差法与走时层析成像相结合的混凝土缺陷成像

传统的无损检测方法大多只能定性判断混凝土结构内部是否存在缺陷，却无法估计内部缺陷的具体尺寸信息。为此，提出一种基于零差法与走时层析成像算法相结合的成像算法并将之应用于混凝土构件内部缺陷的位置和尺寸识别。通过多个有限元数值算例对上述方法进行验证，研究结果表明：所提方法基本能够判断缺陷的具体位置和大致尺寸。当混凝土块模型的缺陷尺寸减小时，走时层析成像效果先变好后变差；当混凝土模型的缺陷尺寸不变而位置发生变化时，处于中轴线位置的缺陷成像效果较好，而处于中轴线和对角线过渡区域以及对角线上时的缺陷成像效果则比较一般。     

多层ELM分区域可见光室内定位算法

在漫反射光信道中,可见光室内定位受一阶反射、噪声信号等的影响,边界区域的定位误差相比内部区域较大,针对此问题,提出一种基于多层极限学习机的分区域定位算法,并通过仿真实验验证了算法的有效性.首先,对整体的实验区域建立第1层极限学习机神经网络,计算出整体的定位误差.其次,根据定位误差的大小和分布特征建立第2层极限学习机神经网络,将整体实验区域划分为边界区域和内部区域.对提取出的边界区域建立第3层极限学习机神经网络,计算出边界区域的定位误差.最后将边界区域的定位误差更新到整体的定位误差中,以实现定位.实验结果表明,该算法的整体平均定位误差为2.79 cm.与接收信号强度算法和反向传播神经网络相比,该算法的平均定位误差分别降低了13倍和55.36%.与单层极限学习机算法相比,边界区域的平均定位误差降低了65.66%,整体的平均定位误差降低了23.77%.该算法边界区域的定位误差明显降低,具有更高的定位精度和鲁棒性能,可适用于不同的定位场景.     

透射地震层析成像中射线追踪技术

从射线方程出发,在光学几何近似的条件下,推导出角增量法射线追踪以及快速和精确的射线追踪算法。对于透射地震层析成像中网格单元坐标、射线段长度和走时计算有实际意义     

多相机图像拼接算法的改进

为了加快图像拼接中特征检测的速率,避免图像中非重合区域对特征检测点与匹配的干扰,通过重合区域预估计算和图像的掩模处理的方法,研究了只针对重合区域的改进检测算法。为了降低由于多图拼接造成的累积误差,通过使用中间图像为基准的多图拼接的思路,研究了改进多图拼接算法并定义了平移矩阵并给出了平移量的计算公式。为了使融合效果更好,通过传统的加权线性融合算法,研究了分区域加权线性融合。结果表明:加快了特征检测速率,降低了特征点之间的误匹配率,优化了由于多图拼接带来的累积误差,提高了图像融合品质。可见上述提到的对多相机图像拼接的系列算法的改进在效果、速率上都有所改进。     

触发方式对低速相机采集图像时间准确度的影响

针对使用低速相机连续采集高时间精度图像序列的需求,系统地研究了3种典型相机触发模式（硬件触发模式、软件触发模式、连续采集模式）下,低速相机采集图像序列时间精度、误差的大小以及误差规律.基于高精度时间光编码技术,对各种触发模式下采集的单张图像进行时间编码,从而获得了采集每张图像的准确时间,计算不同触发方式下得到的图像采集时间间隔与标准时间间隔之间的误差（走时误差）.实验结果表明:软件触发的图像序列精度较差,走时误差值为32.2 ms,硬件触发与连续采集模式下图像序列的时间精度高,走时误差值均分布在±0.1 ms范围内,稳定性好.对于对时间精度要求较高的实验,在实验过程中应尽量选取精准的触发模式,即硬件触发模式或连续采集模式.      

基于Delaunay三角形网格的2维DSMC算法实现及应用

传统的直接模拟Monte Carlo(DSMC)程序以直角网格为基础,在计算复杂的流动边界时不可避免地会带来一定误差。非结构网格虽然能够贴体地适应任何复杂流动边界,但因其拓扑结构的无序性、算法复杂、效率低等缺点而较少使用。该文提出一种基于Delaunay三角形网格的粒子轨迹追踪算法。该算法用背景网格将计算域分成若干矩形区域,通过首先确定矩形区域再搜索三角形网格的方法实现粒子轨迹的追踪与定位。以该算法为核心编制了C语言版本的2维DSMC计算程序。通过与经典文献算例对比,验证了该算法的有效性。利用该DSMC程序研究了真空腔室内喷淋头(showerhead)微孔孔径变化对流场分布均匀性的影响。中性参考气体为氩气,固定入口压力200Pa、温度300K。结果表明:增加微孔孔径有利于提高径向速度和温度分布的均匀性,而减小微孔孔径有利于提高径向压力分布的均匀性。     

基于粒子群算法的边界盒定位改进算法研究

在传统的边界盒(Ｂｏｕｎｄｉｎｇ－ｂｏｘ)定位算法中 采用正方形交集区域的质心作为定位结果 定位误差相对较大 针对该问题 给出粒子群算法(ＰＳＯ)改进的边界盒定位算法 该方法定位时 在取得交集区域后 先通过粒子群算法对该区域进行并行搜索 从而取得优化定位坐标 仿真实验结果表明:基于粒子群算法的边界盒定位改进算法减少了定位过程的计算的迭代过程 使得计算速度增快 且定位误差减少 定位精度值得到了提升     

一种新的区域奇偶校验填充算法

描述了一个新的区域奇偶校验填充算法.该算法按行扫描方式,利用差分技术提取扫描线上区域边界的内外端点,并确定相应直线段是否属于边界区域的内部段,再以划线方式填充,从而克服了奇偶校验法不能直接应用于粗边界区域和离散分布的多边界区域的填充缺点.     

边界元法中边界变量的确定与误差直观度量

本文提出了一种适于弹性力学平面问题的,用于线性单元的确定边界变量的新算法.基于这种算法,提出了一种边界元法误差直观度量的方案,给出了一些数值算例.     

MIMO系统的循环频率域分离辨识方法

针对多输入多输出(MIMO)线性时不变(LTI)系统提出了一种新颖的盲辨识方法。它利用了调制产生的二阶循环平稳性(MIC),在循环频率域对信号的统计量进行分离。再用简单的算法,就可以识别出不同的系统。文中还讨论了对算法进行的计算机模拟。     

基于视觉显著性的无人机目标跟踪（英文）

近年来,小型无人机在无卫星导航条件下的使用需求日益强烈.针对多目标识别问题,提出一种基于小型多旋翼无人机平台的多运动目标识别定位技术,首先采用一种先快速定位感兴趣区域基于视觉注意机制,再用机器学习算法分析感兴趣区域获取目标的方法.实现了对图像中的指定目标进行追踪,同时还实现对目标的定位,其定位误差小于15 cm.该方法有效降低了光照变化、运动模糊、颜色类似物干扰及复杂背景等因素的影响.以地面机器人作为追踪目标进行算法测试验证,在目标消失时间较短的情况下,能够达到较好的追踪效果.     

一种改进的图像中连通体边界freeman链码的获取算法

本文介绍了一种基于边界追踪的freeman链码获取算法，算法可以快速获取二值图像中连通体边界线的freeman链码，不仅适用于单连通的简单区域，对于多连通的孔洞区域同样有效．     

基于分离程度的二叉树的多类SVM在焊接缺陷分类和识别中的应用

本文提出了基于分离程度的SVM决策树的焊缝缺陷分类识别方法。首先对X射线焊缝图像进行缺陷特征提取,然后结合聚类的思想,定义了分离程度,每次将分离程度最大的缺陷类分离出来,成功解决了传统欧氏距离不能处理的类交叉分类情况,得到了累积误差更小的决策树。将基于分离程度的二叉树的多类SVM算法运用于X射线焊接缺陷图像的分类识别,通过计算机仿真,表明该方法比其它SVM多分类算法在分类精度和识别效果方面有明显的提高。